時折、放浪者のような言葉をかけて...。 - ページ 24

[Avals]

1000人のお姫様もいて、次の花婿が現れると同時に選ぶというように、市場の課題を変えたほうがいいかもしれませんね。二人の花嫁が新郎を気に入った場合、彼はその半分にしかならない))。花嫁が合計1人の花婿を持つと、その花嫁はもうショーに参加しなくなる。花嫁の最適な戦略とは？:)

花嫁同士がお互いの戦略に興味を持たなければ、明らかに問題は解決しません))

[GaryKa]

Mathemat:

王子は、プリンセソがポーズをとった（開いた）ときの紙利益が蓄積されたものです。

+ 百五十

そして、王子は組立ラインのようにスタンプを押される（誰かが死に絶えると、すぐに新しいものが列に加えられる）と想像すると、王子が常に最高の花婿を手に入れたい（あるいは少なくとも手に入れようとする）「欲望」は、リスク分析部門が解決しているタスクと似ている。

[Yury Reshetov]

MetaDriver:

勘違いしていますね。

FXはお姫様。 もう「THERE HE IS !」と思ったところで、彼女は選択をし、後ろを振り向く。:)

それは、常にマーケットが最後の決定権を握っているからです。

醜態を晒したのは、取引が婿養子として提示されれば、市場も姫として婿養子を何人も並べられるということだ。問題の条件はまったく異なる。

[Alexey Subbotin]

それにしても、なぜ元の問題に近い条件を適用したくないのか、よく理解できないのですが？

1000個の値札が次々と出てくるので、例えばm=10個の最大値札の中から最大確率で1個を選ぶ必要があります。この問題は基本的に決定可能であり、そのための必要十分条件は、任意ではあるが、各瞬間の次の引用の確率分布を 知ることである（引用が依存すると仮定した場合）。そして、この問題は簡単に解決できる。条件付き分布の形式がわかっているときにそのパラメータを推定するのは、ごく標準的な作業である。

計算が複雑になることを除けば、その方法は記事でさらに説明されています...。しかし、数式を積み上げずに数値で行うことを、誰が阻むのでしょうか。

というのも、この結果を実際に利用するためには、区間の最大値と最小値の両方で50%以上の確率で得る必要があるからである。すなわち、PmaxとPmin>=0.7071の場合、最大-最小の推測が71%より悪くならないようにmを選ぶ必要があり、これは現実的でない可能性があります。

しかし、全体として、この定式化における問題は、細心の注意を払うに値すると私は考えています。どうせやるんだろうけど。

[Avals]

alsu:

それにしても、なぜ元の問題に近い条件を適用したくないのか、よく理解できないのですが？

1000個の価格表示があり、それが次々と現れるとすると、最大確率で、例えばm=10個の最大値の一つを選択する必要がある。この問題は基本的に解決可能であり、その必要十分条件は、任意ではあるが、各時点における次の引用文の確率分布を知ることである（引用文に依存性があると仮定した場合）。そして、この問題は簡単に解決できる。既知の形式を持つ条件付き分布のパラメータを推定することは、極めて標準的な作業である。

計算が複雑になることを除けば、その方法は記事に詳しく書かれているのですが...。しかし、数式を使わずに数値で表現することを、誰が止めるのでしょうか？

というのも，この結果を実際に利用するためには，区間の最大値と最小値で50%以上の確率で得る必要があるからである。すなわち、PmaxとPmin>=0.7071のとき、Pmax*Pmin>=0.5でなければならず、最大-最小の推測が71%より悪くならないようにmを選択する必要があるが、これは現実的には不可能であることが判明するかもしれない。

しかし、全体として、この定式化における問題は、細心の注意を払うに値すると私は考えています。たぶん、やっぱりやると思います。

将来の条件付き分布の種類とパラメータがわかれば、もうそれだけで儲けものではありませんか？それをどうやって知るのか、あるいはどうやって手に入れるのか。

[Alexey Subbotin]

Avals:
将来の条件付き分布の種類とパラメータが分かれば、もう十分儲かるのでは？それをどうやって知るのか、あるいはどうやって手に入れるのか。

物足りない。依存性があるからといって、条件付き分布の期待値が0と異なるということはない。さらに、私が深く研究した限りでは、条件付き分布のMOは、依存性の深さが少なくとも3本棒であるためには、ちょうど0かそれに非常に近い値であることをお伝えします。したがって、統計的依存性の主な内容は、前の引用が後の引用の分散に及ぼす影響である。

条件付きパラメータを極めて簡単に求めることができる。差分系列の現在値x0の前回x1に対する条件付き密度は、W(x0/x1) = (a0+a1*x1)/2 * exp{-(a0+a1*x1)*|x0|} として求められる - これは変数が前回の引用に直線的に依存する指数 分布である。この機能の形状を調べてみると、この書き方は非常に市場にマッチしていると言えるでしょう。そして、パラメータa0とa1を既知の任意の方法で現在の系列に調整し、使用します。

[Avals]

alsu:

物足りない。依存性があるからといって、条件付き分布の期待値が0と異なるということはない。さらに、私が深く研究した限りでは、条件付き分布のMOは、依存性の深さが少なくとも3本棒であるためには、ちょうど0かそれに非常に近い値であることをお伝えします。したがって、統計的依存性の主な内容は、前の引用が後の引用の分散に及ぼす影響である。

条件付きパラメータを極めて簡単に求めることができる。差分系列の現在値x0の前回x1に対する条件付き密度は、W(x0/x1) = (a0+a1*x1)/2 * exp{-(a0+a1*x1)*|x0|} として求められ、これは変数が前回の引用に直線的に依存する指数分布である。この機能の形状を調べてみると、この書き方は非常に市場にマッチしていると言えるでしょう。そして、パラメータa0とa1を既知の任意の方法で現在の系列に調整し、使用します。

しかし、その分布は、入力データとプロセスの知識に依存する。つまり、既知の依存関係を調査し、ボラティリティメモリに様々な効果を見出し、それに基づいて条件付き分散分布を構築することができるのです。このモデルに基づいて、大規模なデータのアンサンブルにmo=0を適用しています。しかし、だからといって、本当に増分の方向にメモリがあるわけではなく、増分の大きさだけにメモリがあるのです。なので、王子達はランダムに花嫁に行くのではなく、悪い方と良い方が先に行く場合もあります))あるいは、他の非ランダムなシーケンスで。そしてその事実が、すべてのカードを混乱させることになる。王子たちの善し悪しや、先に入った者たちの善し悪しに関係なく、適当に入っていけば、この方式はうまくいく。もちろん、「とても良い王子様には、とても良い王子様、とても悪い王子様が続く」というような依存関係（価値依存関係）だけであれば、その依存関係の種類を考慮すれば、問題は解決します

[Alexey Subbotin]

Avals:

しかし、結局のところ、分布は入力データとプロセスの知識に依存する。つまり、既知の依存関係を調査し、ボラティリティメモリに異なる効果を見出し、そこから条件付き分散分布を構築することができるのです。このモデルに基づいて、大規模なデータのアンサンブルにmo=0を適用しています。しかし、だからといって、本当に増分の方向にメモリがあるわけではなく、増分の大きさだけにメモリがあるのです。なので、王子達はランダムに花嫁に行くのではなく、悪い方と良い方が先に行く場合もあります))あるいは、他の非ランダムなシーケンスで。そしてその事実が、カードを混乱させることになる。王子たちの善し悪しや、先に入った者たちの善し悪しに関係なく、適当に入ればうまくいく仕組みになっているのです。もちろん、「とても良い王子様には、とても良い王子様、とても悪い王子様が続く」というような依存関係（価値依存関係）だけであれば、その依存関係の種類を考慮すれば、問題は解決する。

すべての依存関係を知っているわけではありませんが、いくつかの依存関係を知っていて、それを使って確率を推定することはできます。私の知る限り、パラメータa0とa1は分足チャートで数時間の周期で非常にゆっくりと浮動し、かなり狭い範囲で変動しているので、計算して使うことができます。

相関関係があるからといって、王子たちが偶然にやってくるわけではありません。例えば、「悪い」王子の後に「少し良い」王子が来る確率は、「とても良い」王子が来る確率より少し高い、つまりこの場合、何らかの正の自己相関が あると考えられます（「とても良い」「少し良い」の確率が同じである古典的方式とは対照的です）。この種の依存関係は、スキームの性能に影響を与えない。

[Alexey Burnakov]

alsu:

...「悪い」王子の後に「少し良い」王子が来る確率は，「ずっと良い」王子が来る確率よりわずかに高い，つまりこの場合，何らかの正の自己相関がある（「ずっと良い」「少し良い」を得る確率が同じである古典方式とは異なる）。この種の依存関係は、スキームの性能に影響を与えない。

そうなんです。ここでの相関は「何らかの正の」相関ではなく、ユニティーに近く、非常に大きなラグ空間での相関である。

[Alexey Subbotin]

alexeymosc:
そして、インパクトがある。この相関は「何らかの正の相関」ではなく、1に近い相関であり、非常に広いラグスペースをカバーしている。

原理・方法論的な意味での影響力であって、現実的な達成可能性という意味ではないのです。確率の推定が可能であればアルゴリズムは機能しますし、どのように機能するか、つまり利益を伴う取引を可能にするかどうかは研究課題ですので、事前にお答えすることはできませんが。